增强深度学习模型评估以进行股市预测--Part I

文章预览

为什么使用自定义验证指标？ 在机器学习中，不同的训练损失函数和验证指标服务于独特的目的。这种区别有助于我们捕捉学习过程的细节和模型的实际应用。 训练损失的作用 考虑一个分类任务。在训练过程中，我们通常使用交叉熵损失函数。为什么？因为交叉熵损失在比较预测的类别概率分布与实际分布方面非常有效。这种比较对于模型从数据中有效学习至关重要。 但是，为什么我们不能使用F1分数或准确率进行训练？原因在于可微性的需求。深度学习中的训练损失函数必须是可微的，以便优化算法可以通过梯度下降调整模型的权重。像F1分数这样的指标虽然对于评估最终性能非常出色，但它们不是可微的。 验证指标的重要性 在验证过程中，我们关注模型在现实世界场景中的表现，其中像F1分数这样的指标变得重要。F1分数对于分类任务特别 ………………………………